基于EEMD去噪和PSO优化的几类模型在居民消费价格指数预测中的应用研究

发布时间：2017-07-28 20:15

  本文关键词：基于EEMD去噪和PSO优化的几类模型在居民消费价格指数预测中的应用研究

  更多相关文章： 居民价格消费指数(CPI) 集合经验模态分解(EEMD) 粒子群优化算法(PSO) BP网络 小波网络 支持向量回归机(SVR)

【摘要】：居民消费价格指数(CPI)经常用来衡量生活成本。它不仅影响到政府的货币、财政、消费、物价、薪资、社会保障等政策,而且与我们的日常生活息息相关。CPI作为判断通货膨胀的主要指标,其变动受人们密切关注。因此,准确预测居民消费价格指数的变动,对CPI建立一个稳定精确的预测模型对民众、政策制定者和研究学者都有重大意义。早期对于CPI的预测研究大多采用时间序列模型,由于金融时间序列难以满足平稳性等假设,因此预测结果并不理想。后来随着人工智能模型的广泛应用,学者们将其引入到CPI的预测研究中来。在对CPI的建模预测中,噪声的影响和模型参数的选择都会影响预测的精度。为了解决这两个问题,本文以BP、小波和SVR为原始模型,提出了基于EEMD去噪和PSO优化的三种模型:EEMD-PSO-BP、EEMD-PSO-WNN和EEMD-PSO-SVR。运用三种新模型分别对1995年1月至2015年8月的CPI数据进行多步预测研究,实证结果表明EEMD算法和PSO算法在不同程度上提升了三种原始模型的性能,相比原始模型、基于EEMD去噪的模型、基于PSO优化的模型这三者,基于EEMD去噪和PSO优化的模型对居民消费价格指数预测的精度最高。根据最终的预测结果,对比得出EEMD-PSO-SVR表现最好,该模型可应用到居民消费指数的预测研究中。
【关键词】：居民价格消费指数(CPI) 集合经验模态分解(EEMD) 粒子群优化算法(PSO) BP网络 小波网络 支持向量回归机(SVR)
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F726;TP18
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 引言7-10
• 1.1 研究背景7-8
• 1.2 研究现状8-9
• 1.3 本文的研究内容和创新之处9-10
• 第二章 基于EEMD-PSO-BP模型的居民价格消费指数预测10-29
• 2.1 BP神经网络10-14
• 2.2 经验模态分解理论14-18
• 2.3 粒子群优化算法18-20
• 2.5 建立EEMD-PSO-BP模型20-22
• 2.6 实证分析22-29
• 第三章 基于EEMD-PSO-WNN模型的居民价格消费指数预测29-41
• 3.1 小波神经网络29-33
• 3.2 建立EEMD-PSO-WNN模型33
• 3.3 实证分析33-41
• 第四章 基于EEMD-PSO-SVR模型的居民价格消费指数预测41-55
• 4.1 支持向量分类机41-45
• 4.2 支持向量回归机45-46
• 4.3 建立EEMD-PSO-SVR模型46-48
• 4.4 实证分析48-55
• 第五章 结论和展望55-57
• 5.1 结论55-56
• 5.2 展望56-57
• 参考文献57-60
• 致谢60

【相似文献】

中国期刊全文数据库 前5条

1 智晶;张冬梅;姜鹏飞;;基于主成分的遗传神经网络股票指数预测研究[J];计算机工程与应用;2009年26期

2 胡振兴;田大钢;;BP神经网络模型在沪深300指数预测中的应用[J];现代商业;2011年29期

3 ;ISP生存指南[J];每周电脑报;1997年16期

4 杨海深;傅红卓;;基于贝叶斯正则化BP神经网络的股票指数预测[J];科学技术与工程;2009年12期

5 ;[J];;年期

中国重要会议论文全文数据库 前3条

1 孙红英;刘向荣;解玲丽;;基于传导模型的2010年价格指数预测[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

2 涂燕宁;刘树亚;;用时间序列异常值分析方法进行物价指数预测的研究[A];全国青年管理科学与系统科学论文集第5卷[C];1999年

3 邵明振;陈磊;宋雯彦;;中国月度居民消费价格指数预测——基于时间序列的BP神经网络和ARMA模型对比分析[A];21世纪数量经济学（第12卷）[C];2011年

中国重要报纸全文数据库 前4条

1 张明;我省开展果树花期冻害预测及预评估服务[N];陕西科技报;2011年

2 李剑锋 主持 梁伟;又到指数预测时[N];上海证券报;2011年

3 记者 温源;消费者物价信心达四年多来最佳[N];光明日报;2014年

4 本报评论员 熊仁宇;激进降息不是最优选择[N];21世纪经济报道;2009年

中国硕士学位论文全文数据库 前3条

1 张愉;基于EEMD去噪和PSO优化的几类模型在居民消费价格指数预测中的应用研究[D];兰州大学;2016年

2 黄振;基于支持向量机的沪深300指数预测研究[D];湖南大学;2012年

3 唐娜;基于灰色理论和神经网络理论的股票指数预测研究[D];武汉理工大学;2007年

，

本文编号：585823